1.一种用于电化学重金属废水处理过程的多参数优化方法，其特征在于，包括以下步骤：

S1：采用BP神经网络模型建立公式一所示的基于电解槽废水出口重金属离子浓度和废水电导率、pH值以及电解电流密度之间关系的电化学处理过程模型；

公式一

其中，f_BP为电化学处理过程模型；C_out为出口废水中重金属离子浓度；D_k为电解槽的电解电流密度；pH为待处理废水的pH值大小；K为待处理废水的电导率；C₀为废水入口重金属离子浓度；

S2：建立公式二所示的废水处理过程的电能消耗模型；

公式二

其中，J_w为电能消耗量；N为电解槽数；B为阴极板数；S为每块阴极板的截面积；V_i（i＝1，2...n）为不同重金属离子产生的槽电压，为关于电流密度D_k、重金属离子浓度C和电解温度T的非线性函数；t为电解时间；

S3：建立公式三所示的废水处理过程的电耗优化模型，使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小；

公式三

其中，C_max为出口废水中重金属离子浓度应达到的指标值；D_k.max为电解极板能承受的电流密度上限；

S4：获取电解槽池待处理废水的入口重金属离子浓度的检测数据，采用状态转移算法对S3中的电耗优化模型求解，获取使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小的电流密度值、pH值和电导率值。

2.根据权利要求1所述的用于电化学重金属废水处理过程的多参数优化方法，其特征在于，所述S1中建立的电化学处理过程模型为多输入多输出的BP神经网络模型，建立的具体步骤为：

S11：采集电流密度值、pH值、电导率值、入口重金属离子浓度和出口重金属离子浓度数据，并将电流密度值、pH值、电导率值、入口重金属离子浓度作为输入层神经元，将出口重金属离子浓度作为输出层神经元；

S12：对采集的数据采用3σ准则和零均值标准化方法进行数据预处理，以剔除异常数据和消除由于不同特征因子量纲不同和数量级不同所带来的差异化影响；

S13：利用处理后的样本数据对BP神经网络模型进行训练，得到所述电化学处理过程模型。

3.根据权利要求1所述的用于电化学重金属废水处理过程的多参数优化方法，其特征在于，所述S2中废水处理过程的电能消耗模型中的槽电压V与电流密度D_k、重金属离子浓度C和电解温度T之间的关系如公式四所示：

公式四

其中，

是重金属离子析出的平衡电位常数；R是热力学常数；F是法拉第常数；r是电解液中重金属离子的活度系数；M是重金属的相对原子量；L为阴阳极间距；β1～β5为待辨识参数。

4.一种用于电化学重金属废水处理过程的多参数优化装置，其特征在于，包括：第一模型建立单元，用于建立公式一所示的基于电解槽废水出口重金属离子浓度和废水电导率、pH值以及电解电流密度之间关系的电化学处理过程模型；

其中，是重金属离子析出的平衡电位常数；R是热力学常数；F是法拉第常数；r是电解液中重金属离子的活度系数；M是重金属的相对原子量；L为阴阳极间距；β1～β5为待辨识参数。

第二方面，《用于化学重金属废水处理过程的多参数优化方法及装置》还提供了一种用于电化学重金属废水处理过程的多参数优化装置，包括：

第一模型建立单元，用于建立公式一所示的基于电解槽废水出口重金属离子浓度和废水电导率、pH值以及电解电流密度之间关系的电化学处理过程模型；

公式一

其中，f_BP为电化学处理过程模型；C_out为出口废水中重金属离子浓度；D_k为电解槽的电解电流密度；pH为待处理废水的pH值大小；K为待处理废水的电导率；C₀为废水入口重金属离子浓度；

第二模型建立单元，用于建立公式二所示的废水处理过程电能消耗模型，并采集工业现场数据对模型参数进行辨识；

公式二

其中，J_w为电能消耗量；N为电解槽数；B为阴极板数；S为每块阴极板的截面积；V_i（i＝1，2...n）为不同重金属离子产生的槽电压，为关于电流密度D_k、重金属离子浓度C和电解温度T的非线性函数；t为电解时间；

优化模型建立单元，用于建立公式三所示的废水处理过程的电耗优化模型，使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小；

公式三

其中，C_max为出口废水中重金属离子浓度应达到的指标值；D_k.max为电解极板能承受的电流密度上限；

优化模型求解单元，用于获取电解槽池待处理废水的入口重金属离子浓度的检测数据，采用状态转移算法对所述电耗优化模型求解，获取使得在出口重金属离子浓度满足预设阈值的情况下电能消耗最小的电流密度值、pH值和电导率值。

5.根据权利要求4所述的用于电化学重金属废水处理过程的多参数优化装置，其特征在于，所述第一模型建立单元，具体用于：采集电流密度值、pH值、电导率值、入口重金属离子浓度和出口重金属离子浓度数据，并将电流密度值、pH值、电导率值、入口重金属离子浓度作为输入层神经元，将出口重金属离子浓度作为输出层神经元；对采集的数据采用3σ准则和零均值标准化方法进行数据预处理，以剔除异常数据和消除由于不同特征因子量纲不同和数量级不同所带来的差异化影响；利用处理后的样本数据对BP神经网络模型进行训练，得到所述电化学处理过程模型。

6.根据权利要求4所述的用于电化学重金属废水处理过程的多参数优化装置，其特征在于，所述槽电压V与电流密度D_k、重金属离子浓度C和电解温度T之间的关系如公式四所示：

公式四

其中，

是重金属离子析出的平衡电位常数；R是热力学常数；F是法拉第常数；r是电解液中重金属离子的活度系数；M是重金属的相对原子量；L为阴阳极间距；β1～β5为待辨识参数。